Machine Learning para mejorar la detección de casos de ciberbullying en colegios de Nuevo Chimbote 2025

• Autor: Casanova Del Castillo, Hugo Cesar
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/185295
• Enlace del recurso: https://hdl.handle.net/20.500.12692/185295
• Nivel de acceso: acceso embargado
• Materia: Inteligencia artificial; Aprendizaje; Informática; https://purl.org/pe-repo/ocde/ford#2.02.04

El estudio tuvo como objetivo mejorar la detección de ciberbullying en colegios de Nuevo Chimbote durante el primer semestre de 2025, mediante un sistema basado en Machine Learning, se utilizó un diseño experimental puro con enfoque cuantitativo, trabajando con 385 publicaciones de Instagram divididas entre un Grupo Experimental (GE) y un Grupo de Control (GC). Se evaluaron tres indicadores: Número de Casos de Ciberbullying (NCC), Tiempo Promedio de Detección (TPDCC) y Tasa de Aciertos (TACC). Los resultados mostraron mejoras significativas: el GE detectó un 42.12 % más de casos que el GC, redujo el tiempo de detección de 426 a 0.197 segundos (más del 99.95 % de mejora) y aumentó la precisión en un 15.8 %. Se concluyó que el uso de algoritmos como Random Forest y SVM, dentro del enfoque CRISP-DM, fue eficaz en entornos escolares, contribuyendo a la protección digital y al cumplimiento del ODS N.º 16.